如何用Pandas计算每月15日至次月15日的均值（或n日至n日）

核心思路 #

不用固定天数偏移（因各月天数不同会出错），而是通过判断日期的日部分给每条数据分配所属周期的起始标识，再按该标识分组计算均值。比如对于n=15：

• 日期≥当月15日：归属于「当月15日-次月15日」周期
• 日期<当月15日：归属于「上月15日-当月15日」周期

具体实现代码 #

import pandas as pd

# 1. 示例数据（替换为你的DataFrame）
df = pd.DataFrame({
    'timestamp': pd.date_range(start='2023-01-01', end='2023-03-31', freq='D'),
    'value': range(90)
})

# 2. 定义周期分割日（可修改为任意n，比如5、20）
n = 15

# 3. 创建周期起始标识列
# 判断每条数据是否属于当月n日及之后的周期
mask = df['timestamp'].dt.day >= n

# 生成周期起始日期：满足mask的用当月n日，不满足的用上月n日
df['period_start'] = pd.to_datetime(
    # 拼接年-月-n日字符串，处理月份补0
    df['timestamp'].dt.year.astype(str) + '-' +
    df['timestamp'].dt.month.where(mask, df['timestamp'].dt.month - 1).astype(str).str.zfill(2) + '-' +
    str(n).zfill(2),
    errors='coerce'  # 处理当月无n日的情况（如2月30日）
)

# 对转换失败的日期（如2月30日），替换为对应月份的最后一天
df['period_start'] = df['period_start'].fillna(
    df['timestamp'].dt.to_period('M').apply(lambda x: x.start_time + pd.offsets.MonthEnd(0))
)

# 4. 按周期分组计算均值
result = df.groupby('period_start')['value'].mean().reset_index()
# 重命名列（按需调整）
result.columns = ['周期起始日期', 'value均值']

print(result)

示例输出 #

周期起始日期  value均值
0 2023-01-15      29.0
1 2023-02-15      58.5
2 2023-03-15      81.0

关键说明 #

• 避免固定天数偏移：比如直接给timestamp加pd.DateOffset(days=15)会导致周期长度随月份天数波动，无法精准对齐「每月n日」的分割点。
• 兼容特殊月份：自动处理2月无30/31日、4/6/9/11月无31日的情况，转换失败时自动用当月最后一天作为周期起始。
• 灵活调整n：只需修改n的值，即可适配任意「每月n日到次月n日」的统计需求。

内容的提问来源于stack exchange，提问作者joshua registe